改进的二维最小交叉熵阈值分割快速迭代算法

基于灰度级-平均灰度级直方图的现有二维交叉熵阈值分割法的分割结果不够准确,计算最佳阈值时需搜索整个解空间,因而效率不高. 针对这一问题,提出一种基于灰度-梯度共生矩阵的二维最小交叉熵阈值选取快速迭代算法,推导了相关的公式. 对典型测试图像进行了大量实验,并与基于灰度级-平均灰度级直方图的方法在分割结果及运行时间上作了比较,结果表明所提出的算法分割结果更加精确,且计算最佳阈值时只需遍历其中一小部分解空间,运行时间减少到5%左右.     

二维Arimoto灰度熵阈值分割

针对近年提出的二维Arimoto熵阈值分割方法只依赖图像灰度级出现的频数信息,而未考虑图像类内灰度均匀性这一问题,提出了基于灰度-梯度直方图的二维Arimoto灰度熵阈值分割方法.首先,在Arimoto熵的基础上直接考虑图像类内灰度均匀性,构建出一维Arimoto灰度熵阈值选取公式;结合灰度-梯度二维直方图目标与背景区域划分方式,推导出二维Arimoto灰度熵阈值选取公式;通过阈值选取函数所涉及中间变量的递推计算公式来消除冗余计算;采用基于Tent映射的混沌序列对人工蜂群算法的局部搜索阶段进行改进,以改进后的蜂群优化算法来加快图像分割最佳阈值的搜索速度,大大减少了时间花费.大量的典型图像对比实验结果表明,所提出的方法能够快速而准确地实现图像分割,且总体效果优于二维Shannon熵、二维Tsallis灰度熵和二维Arimoto熵阈值分割方法.     

基于改进分离阈值法的农作物遥感精细分类特征选择

为综合利用高空间分辨率可见光和红外遥感影像特征,提高分类处理效率,在分离阈值法的基础上提出一种结合图像二维熵的特征选择方法,解决了分离阈值法在特征选择时未考虑特征信息量的问题.利用随机森林分类器对选取后的特征子集进行农作物分类,并在同样的分类方法下与改进自适应波段选择方法和基于图像熵的密度峰值聚类波段选择方法进行分类精度对比.结果表明,所提出的方法既可提高分类精度和分类效率,又能降低特征选择的数量,还能进一步量化分析所选取的特征对各地物识别的效果.     

基于差分进化的二维熵图像分割

二维熵图像分割方法利用图像的局部空间信息,分割结果优于一维熵分割法,但计算效率较低.遗传算法和粒子群算法等最优化算法能提高二维熵图像分割方法的效率,却不能保证获得全局最优阈值.为此,提出一种基于差分进化算法的二维熵图像阈值分割法,用局部搜索策略提高搜索最优阈值的精度.实验表明,所提出的方法有良好的鲁棒性,能保证获得最优阈值.与基本的二维熵图像分割法相比,分割速度有很大的提高.     

基于三支决策的图像过渡区提取与分割方法

在图像分割问题中,过渡区的存在使得分割阈值难以确定,对分割结果的准确性产生较大影响,因此,本文提出了一种基于三支决策的图像过渡区提取与分割方法。建立了图像的粗糙集表示,引入三支决策和最优化理论,把图像分割问题转换为一个在图像域上的分类决策问题,在决策代价取得最小值时,对应的分割阈值即为图像最优分割阈值。该方法综合考虑图像像素分布和分割阈值,设置正则化项。在Weizmann科学研究所的公开图像数据集(Segmentation evaluation database, SED)上取得了81.9%的分割准确率,与其他经典图像分割方法相比,该方法具有更好的分割准确率和稳健性。     

一种优化的高光谱图像特征提取方法

众所周知,特征提取方法在降低计算复杂度和增加高光谱图像分类精确度方面十分有效,针对此,提出了一种优化的图像融合和迭代率波的特征提取方法。首先,将高光谱图像分割成多个相邻波段的子集;然后,通过均值法把每个子集中的各个波段融合在一起;最后,对融合后的波段进行递归滤波处理,获得分类的特征信息。结果表明,该方法展示出较高的分类精确度。     

一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法

为了增强图像分割技术的准确性并优化图像分割技术的细节分割效果,提出了一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法.将OTSU算法中依据图像灰度特征选取的图像中的前景和背景通过属性加权朴素贝叶斯算法进行分类处理,计算图像中前景和背景的概率,训练该模型以获得最佳阈值进行图像分割处理,优化图像分割的效果.利用无人机航...     

基于目标距离关系和图像光流特征的异常行为检测

提出了一种基于目标距离关系和图像光流特征的异常行为检测新方法。采用三帧差分法从视频序列中提取出运动前景,利用卡尔曼滤波跟踪运动目标,并采用欧式距离计算目标质心间距离。若距离小于设定阈值,认为可能发生异常行为,采用Lucas-Kanade法提取当前帧的光流信息和光流方向直方图描述行为,计算归一化直方图的熵来判断行为的异常。本方法仅对距离小于阈值的图像帧进行光流计算,弥补了光流法计算量大的缺点,满足了系统实时性需求,基于不同场景的实验结果验证了所提方法的有效性。     

一种基于SLIC的超像素快速色彩传递算法

提出了基于SLIC超像素分割的快速色彩传递算法.该算法有两个主要步骤:首先利用SLIC技术实现两幅图像的超像素分割;然后根据超像素特征,对两幅图像的超像素进行相似性匹配,在此基础上进行色彩传递.实验结果表明,与基于像素点传递的一类算法比较,该算法不仅提高传递速度,还进一步改善了传递效果,结果图像更加自然,平滑.     

图像的平移不变量小波去噪法及其应用

图像的平移不变量小波去噪法是小波收缩阈值去噪法的改进,能够有效抑制小波阈值去噪过程中出现的伪吉布斯现象.分析了图像的平移不变量小波去噪法的原理及其算法,并将该方法应用于颗粒显微图像的去噪.对采用不同去噪方法的图像按照分水岭算法进行分割,然后进行对比.实验结果表明图像的平移不变量小波去噪法的去噪效果较好。     

基于模糊集理论的图像增强算法

红外图像具有整体亮度偏暗、对比度较低、目标与背景区分不明显的特点。因此,在对红外图像进行分析之前,必须先对图像质量进行改善。传统的基于模糊集理论的Pal.King算法,在增强红外图像对比度的同时,丢失部分细节信息。在分析这一问题产生原因的基础上,结合图像反色和多分辨率图像融合等理论,提出了一种新的基于模糊集理论的图像增强算法,新的算法不仅能够提高红外图像的对比度,而且能很好的突出图像中不同层次的灰度信息和边缘信息,最重要是它能保持原始图像的细节信息。     

采用自适应补偿的无人机姿态测量

根据合作目标的单站姿态测量原理,结合实际大气湍流条件下激光光束的漂移及扩展效应,提出利用补偿和定位后的激光光斑质心确定无人机外部姿态的方法. 通过计算单帧激光光斑中心提取单位时间内激光光斑质心组成的外围轮廓特征点,并将其构成多边形. 以多边形图像质心为参照,建立姿态测量自适应补偿模型. 计算结果表明,当目标距离为3 km时,采用模拟退火算法迭代解算并对结果进行自适应补偿,得到的姿态角误差最大值为0.221±,说明自适应补偿技术的姿态测量算法具有较高的姿态测量精度和收敛性.     

低信噪比环境下语音检测的邻域极值差分信号功率谱分维算法

提出一种邻域极值差分信号功率谱的分形维值算法,并用于低信噪比环境下的语音活动检测. 在时域信号邻域范围内作极值差分检索获得邻域极值差分信号,进一步根据差分信号功率谱估计的最小误差求解分维值.在安静环境下,对正常语音和耳语音的语音信号活动检测(speech activity detection, SAD)性能与盒维相似,明显好于谱熵算法. 多种噪声环境下的SAD检测结果显示,所提算法的误检率远低于谱熵算法,在除白噪声以外各种条件下的误检率均低于盒维算法,且计算量约为盒维算法的5%. 实验表明,该算法在SAD检测和效率两方面具有良好的综合性能.     

基于邻域熵的决策表约简

针对传统粗糙集理论难以处理数值型数据的特点,提出基于邻域熵的决策表特征约简方法.该方法通过引入邻域关系进行信息粒化,定义邻域熵概念,用来度量数值型数据的不确定性,证明邻域熵的单调性原理,提出基于邻域熵与分类精度加权的特征重要度概念,基于邻域熵单调性原理设计了两种启发式特征约简算法.理论分析与实例表明该方法是有效可行的.     

粒子群优化的深海图像暗边缘检测优化算法

为解决深海资源探测图像识别难题,提出一种基于粒子群优化的图像暗边缘检测优化算法。该算法通过指数型线性单元和高斯误差线性单元改进激活函数,根据Marr-Hildreth算子检测结果并结合改进激活函数构建暗边缘检测算法,利用粒子群对改进暗边缘检测算法进行训练和优化。最后,采用不同算法对水下11个数据集进行比较的结果表明：改进算法的峰值信噪比、结构相似度和边缘保持指数最高,分别达到18.769 6 dB、0.660 7和0.834 5;图像均方误差最低,为3 750.225 3;平均检测时间为0.667 4 s,比其他对比实验中性能最好的算法缩短了14%。     

一种快速鲁棒的车辙检测方法

提出了一种基于激光三角法的快速路面车辙检测方法. 采用横向投影确定激光线的范围,并通过分段直线拟合去除激光线范围内粗差,然后用贝塞尔曲线对激光线进行拟合,快速稳定地提取出激光线. 为了提高测量精度,提出了基于不规则三角和标定点网格测量点的物方坐标反算方法. 对试验路段的检测结果表明,该方法能以每秒80次的采样频率进行车辙测量,检测结果与人工检测结果吻合较好,可作为路面车辙测量工具用以代替人工检测.     

基于邻域互信息最大相关性最小冗余度的特征选择

特征选择是一种重要的数据预处理步骤,其中互信息是一类重要的信息度量方法。本文针对互信息不能很好地处理数值型的特征,介绍了邻域信息熵与邻域互信息。其次,设计了基于邻域互信息的最大相关性最小冗余度的特征排序算法。最后,用此算法选择前若干特征进行分类并与其它算法比较分类精度。实验结果表明本文提出算法在分类精度方面且优于或相当于其它流行特征选择算法。     

基于PCA及FCM的C波段无线电信号分类方法

提出了一种基于模糊C均值聚类分析以及主成分分析的无线电异常信号分类方法,该方法利用主成分分析对信号数据进行降维并通过模糊C均值对信号数据进行分类,对目前常用的通过专家经验进行信号特征选取的方法进行了改进.实验结果证明了该方法的有效性,能快速高效地判断异常信号的类别.